tdnn模型示例
tdnn拼幀：
第8層：(0,3)
第7層：(-9,0)
第6層：(0,3)
第5層：(-6,0)
第4層：(0,3)
第3層：(-3,0)
第2層：(0,3)
第1層：(-3,0)
輸出依賴
要在輸出層處輸出第1幀，各層需要的幀的時間索引如下：
第8層：1,4
第7層：-9,-6,1,4
第6層：-9,-6,1,4,7
第5層：-15,-12,-9,-6,-3,1,4,7
第4層：-15,-12,-9,-6,-3,1,4,7,10
第3層：-18,-15,-12,-9,-6,-3,1,4,7,10
第2層：-18,-15,-12,-9,-6,-3,1,4,7,10,13
第1層：-21,-18,-15,-12,-9,-6,-3,1,4,7,10,13
要在輸出層處輸出第2幀，各層需要的幀的時間索引如下：
第9層：2,5
...第2層：-20,-17,-14,-11,-8,-5,-2,2,5,8,11,14
要在輸出層處輸出第3幀，各層需要的幀的時間索引如下：
第9層：3,6
...第2層：-19,-16,-13,-10,-7,-4,-1,3,6,9,11,15
要在輸出層處輸出第4幀，各層需要的幀的時間索引如下：
第9層：4,7
...第2層：-18,-15,-12,-9,-6,-3,1,4,7,10,13,16
tdnn的拼幀索引
第一層不需要受到此限制
第9層：(0,3)
第8層：(-9,0)
第7層：(0,3)
第6層：(-6,0)
第5層：(0,3)
第4層：(-3,0)
第3層：(0,3)
第2層：(-3,0)
第1層：(-2,-1,0,1,2)
lstm的延時
與tdnn類似，單向lstm依賴於歷史資訊，雙向lstm（blstm）依賴於歷史資訊與未來資訊
資訊包括記憶（cell）與輸出（recurrent）
預設情況下，對於長度為t
幀的語句，在t
時刻：lstm依賴於
t時刻上一層的輸出
blstm依賴於
t時刻上一層的輸出
那麼，在t-1時刻：
lstm依賴於
t-1時刻上一層的輸出
blstm依賴於
t-1時刻上一層的輸出
依此類推：
lstm將依賴於所有的歷史資訊
blstm將依賴於所有的資訊（歷史資訊+未來資訊）
也就是說，所有幀（t
幀）都需要進行lstm計算
人總是要拼一拼的
不想給自己寫太多的打雞血的文章，但是，倦怠總是會有的，於是，今天在自習室寫了這些 你若是想成為別人成為不了的人，那你就必須付出比人付出不了的努力 你若是想成就別人成就不了的事業，那你就必須付出別人付出不起的汗水。若這樣的時候，你想到了人生的意義，想起了未來等待我們的死亡。那麼，誰不一樣呢？快樂幸福地...
20歲拼體力，30歲拼專業，40歲拼人脈
常言道 10多歲比智力，20多歲比體力，30來歲拼專業，40歲拼人脈 年紀再大些要拼什麼我就不知道了，但過了60歲肯定重新拼體力，活著比什麼都重要，哈哈。說到人脈關係，現在任何人都相信它越來越重要，至少我身邊大多數朋友都把拓展人脈當成一件重要的事情來抓 包括我自己 剛好30來歲有點經驗和積累，還有體...
20歲拼體力，30歲拼專業，40歲拼人脈
常言道 10多歲比智力，20多歲比體力，30來歲拼專業，40歲拼人脈 年紀再大些要拼什麼我就不知道了，但過了60歲肯定重新拼體力，活著比什麼都重要，哈哈。說到人脈關係，現在任何人都相信它越來越重要，至少我身邊大多數朋友都把拓展人脈當成一件重要的事情來抓 包括我自己 剛好30來歲有點經驗和積累，還有體...